量子科技中心_量科网

密度泛函理论是量子力学中最高效且应用最广泛的计算方法之一，尤其在固态物理和量子化学等领域。从理论角度来看，其核心对象是普适密度泛函，它包含了相关量子系统的所有内在信息。一旦给定外势场，原则上可以通过简单的最小化过程获得精确的基态能量。然而，普适密度泛函是一个极其复杂的数学对象，实际应用中几乎总是被其近似变体所替代。迄今为止，尚未出现具有普适性的、“第一性原理”数学框架下严格且收敛的近似构建方法。该工作提出了一种创新方案：首先通过莫罗-吉田正则化使精确泛函具有连续性（甚至可微性），随后采用神经网络对正则化泛函进行逼近。所构建的神经网络保持了精确泛函的正定性和凸性特性。更重要的是，该模型具有可微性，可直接应用于科恩-沈计算框架。